今天阅读了一篇论文，里面提到的内容是用固定的模板对现实场景进行匹配，通过匹配得到的结果可以得知待匹配图像与模板的角度差别，论文中提到了把待匹配的图像转换到频域进行，个人不是很理解。假设已经提取了一个角点，如何把这个角点利用傅里叶变换转换到360维的向量？角点提取后，是否还需要扣取一个正方形的小图？
例如：下方是一个模板图像，黑色部分描述了这个图像的角度是90度，这样我们可以假设模板是一个一维向量，向量的长度是360，每一维都代表了图像强度（黑色部分是0，白色部分是1）。
下方就是带匹配的一个小图，如果匹配成功，就可以知道待匹配图像与模板图像相差了多少角度。论文中提到的就是将这个小图变换到频域上，分辨率是1度，这样就也变成了一个360度的向量，然后通过归一化互相关（NCC）的方法，一度一度的平移就可以获取匹配位置，从而可以计算与模板图像的旋转。
有劳各位图像处理的达人赐教，如何操作才能把一个矩形的图像变换为频域上的一个向量呢？
非常感谢解惑。
分享
二值化处理角点向量，归一化强度、通过NCC算法可以匹配出来特征点，最终通过“NCC算法”计算强度剖面与直方图，注意a图小圆背后是一个灰度图的一个角点，a的处理就是提到的分辨率1度来转换为向量，由a归一化为b,b通过NCC算法转换为c
参考：归一化强度实现方法（java）
https://blog.csdn.net/as472780551/article/details/83860483
NCC算法介绍与实现
https://blog.csdn.net/jia20003/article/details/53021614
如果借助opencv开源库去实现，支持的算法也很多，包括SSD（sum of squared differences）、NCC（normalized cross-correlation）、ASW（Adaptive Support Weight）
相关可以了解一下，希望对你有帮助。
【附】
图像归一化算法简介
https://blog.csdn.net/unilvision/article/details/8624606
分享
